KR102561303B1

KR102561303B1 - 건축 설계 bim 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법, 장치 및 시스템

Info

Publication number: KR102561303B1
Application number: KR1020230022835A
Authority: KR
Inventors: 박진범
Original assignee: (주)원빔그룹
Priority date: 2023-02-21
Filing date: 2023-02-21
Publication date: 2023-07-28

Abstract

일실시예에 따르면, 장치에 의해 수행되는, 건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법에 있어서, 제1 구조물에 대해 제1 단계의 시공이 제1 일자에 완료된 것으로 확인되면, 상기 제1 구조물의 BIM(Building Information modeling) 데이터에서 상기 제1 구조물의 시공 스케줄을 추출하고, 상기 제1 구조물의 시공 스케줄을 기반으로 상기 제1 단계의 시공을 완료하기로 계획한 일자인 제2 일자를 확인하는 단계; 상기 제1 일자가 상기 제2 일자 보다 느리지 않은 것으로 확인되면, 상기 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단하는 단계; 상기 제1 일자가 상기 제2 일자 보다 느린 것으로 확인되면, 상기 제1 일자와 상기 제2 일자 간의 차이를 지연 기간으로 산출하는 단계; 상기 지연 기간이 미리 설정된 제1 기준 범위 내에 포함되어 있는 것으로 확인되면, 상기 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단하는 단계; 상기 지연 기간이 상기 제1 기준 범위를 벗어나는 것으로 확인되면, 상기 제1 구조물에 대한 시공 스케줄에 문제가 있는 것으로 판단하는 단계; 상기 제1 구조물에 대한 시공 스케줄에 문제가 있는 것으로 판단된 경우, 상기 지연 기간이 미리 설정된 제2 기준 범위 내에 포함되어 있는 것으로 확인되면, 상기 제1 단계 이후 시공될 제2 단계의 시공에 대한 진행 독촉을 추천하는 알림 메시지를 관리자 단말로 전송하는 단계; 및 상기 지연 기간이 상기 제2 기준 범위를 벗어나는 것으로 확인되면, 상기 제2 단계의 시공에 인원 및 장비의 추가 투입을 추천하는 알림 메시지를 상기 관리자 단말로 전송하는 단계를 포함하는, 건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법이 제공된다.

Description

건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법, 장치 및 시스템 {METHOD, DEVICE AND SYSTEM FOR PROVIDING CONSTRUCTION MANAGEMENT SOLUTION THROUGH LINKAGE BETWEEN ARCHITECTURAL DESIGN BIM DATA AND CONSTRUCTION SCHEDULE}

아래 실시예들은 건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통해 공사 관리 솔루션을 제공하기 위한 기술에 관한 것이다.

건물을 시공하는 경우 우선 3D 모델링을 통해 전체 빌딩을 설계한 다음, 3D 모델링과 공정관리를 결합하여 공정별 객체구조(WBS:Work Breakdown Structure)를 확립하고, 공정의 객체구조에 따른 액티비티를 결정한 후 시공 작업을 진행하게 된다.

통상적으로 빌딩을 시공하기 위해서는, 정보를 하나의 시스템으로 통합하고 관리하여 시공, 인력, 장비, 시간 및 비용 등을 체계적으로 관리하는 것이 바람직하다. 하지만, 각 공정별 단계가 서로 통합되지 않고 관리되거나 수작업으로 전체 공정을 관리하는 경우 많은 오류가 생기게 마련이고, 또한 한계가 있을 수 밖에 없다.

한편, 최근 들어, 건설 기술 분야에서도 4차 산업혁명 기술 도입이 가시화되고 있으며, 특히 4차 산업혁명에 따른 글로벌 건설 산업의 디지털 전환에 대한 관심이 증대되면서 BIM 데이터에 대한 관심도 증대되고 있다. 여기서, BIM(Building Information Modeling) 데이터란 건축물을 구성하는 벽, 바닥, 기둥, 지붕, 창문 등과 같은 내외부 시설물을 디지털 형태의 데이터로 변환한 정보를 의미할 수 있다.

즉, BIM 데이터는 3차원 정보모델을 기반으로 건축물의 생애주기에 걸쳐 발생하는 모든 정보를 통합하여 활용이 가능하도록 시설물의 형상, 속성 등을 정보로 표현한 디지털 모형을 뜻한다. BIM 기술의 활용으로 기존의 2차원 도면 환경에서는 달성이 어려웠던 기획, 설계, 시공, 유지관리 등을 통합적으로 관리하여, 설계 품질 및 생산성 향상, 시공오차 최소화, 체계적 유지관리 등이 이루어질 것으로 기대되며, 이와 같은 이유로 국내외 선진 국가의 정부 및 건설회사에서도 BIM 기술을 도입하고자 많은 노력을 기울이고 있다.

따라서, BIM 데이터를 사용하여 생산성을 향상시키면서 시공 중인 구조물에 대한 공사 관리를 수행할 수 있는 솔루션에 대한 요구가 증대되고 있어, 이와 관련된 기술에 대한 연구가 요구된다.

한국등록특허 제10-1662651호 한국등록특허 제10-1752913호 한국등록특허 제10-1760260호 한국등록특허 제10-2123450호

일실시예에 따르면, 건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통해 공사 관리 솔루션을 제공하는 방법, 장치 및 시스템을 제공하기 위한 것을 그 목적으로 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

상기 제2 단계의 시공에 인원 및 장비의 추가 투입을 추천하는 알림 메시지를 상기 관리자 단말로 전송하는 단계는, 상기 지연 기간이 길수록 제1 비율을 더 높은 값으로 설정하는 단계; 상기 제1 구조물의 시공 스케줄을 기반으로 상기 제2 단계의 시공에 필요한 인원 수인 제1 명수와 상기 제2 단계의 시공에 필요한 장비 수인 제1 대수가 각각 확인되면, 상기 제1 명수 및 상기 제1 비율을 곱한 값으로 제2 명수를 산출하고, 상기 제1 대수 및 상기 제1 비율을 곱한 값으로 제2 대수를 산출하는 단계; 및 상기 제2 단계의 시공을 진행할 때 상기 제2 명수에 대한 인원 추가 투입과 상기 제2 대수에 대한 장비 추가 투입을 추천하는 알림 메시지를 상기 관리자 단말로 전송하는 단계를 포함할 수 있다.

상기 건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법은, 상기 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단하는 단계 이후, 상기 제1 구조물의 시공 스케줄을 기반으로 상기 제1 단계의 시공 일정인 제1 기간과 상기 제2 단계의 시공 일정인 제2 기간을 확인하는 단계; 상기 제1 구조물이 위치하는 지역이 제1 지역으로 확인되면, 상기 제1 지역의 기상 예측 정보를 기반으로 상기 제2 기간 동안의 날씨에 악천후인 기간이 포함되어 있는지 여부를 확인하는 단계; 상기 제2 기간 동안의 날씨에 악천후인 기간이 포함되어 있지 않은 것으로 확인되면, 상기 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단하는 단계; 상기 제2 기간 동안의 날씨에 악천후인 기간이 포함되어 있는 것으로 확인되면, 악천후인 기간을 제3 기간으로 설정하는 단계; 제3 기간의 일수를 제2 기간의 일수로 나눈 값으로 제2 비율을 산출하는 단계; 상기 제1 구조물의 시공 스케줄을 기반으로 상기 제2 단계의 시공에 필요한 인원 수인 제1 명수와 상기 제2 단계의 시공에 필요한 장비 수인 제1 대수가 각각 확인되면, 상기 제1 명수 및 상기 제2 비율을 곱한 값으로 제3 명수를 산출하고, 상기 제1 대수 및 상기 제2 비율을 곱한 값으로 제3 대수를 산출하는 단계; 및 상기 제2 단계의 시공을 진행할 때 상기 제3 명수에 대한 인원 추가 투입과 상기 제3 대수에 대한 장비 추가 투입을 추천하는 알림 메시지를 상기 관리자 단말로 전송하는 단계를 더 포함할 수 있다.

일실시예에 따르면, BIM 데이터와 연동된 시공 스케줄과 시공 완료 일정을 비교하여, 시공 스케줄에 문제가 있는지 여부를 확인하여 공사 진행 상황을 체크함으로써, 시공 중인 구조물에 대한 공사 관리를 용이하게 수행할 수 있도록 도와줄 수 있는 효과가 있다.

또한, 일실시예에 따르면, 지연 기간 또는 악천후 기간에 따라 인원 및 장비의 추가 투입량을 추천함으로써, 향후 시공을 일정에 맞추어 진행하기 위해 필요한 인원 수 및 장비 수를 용이하게 파악할 수 있도록 도와줄 수 있는 효과가 있다.

한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통해 공사 관리 솔루션을 제공하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 지연 기간에 따라 제2 단계의 시공을 진행할 때 필요한 인원 및 장비에 대한 추가 투입량을 추천하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 악천후 기간에 따라 제2 단계의 시공을 진행할 때 필요한 인원 및 장비에 대한 추가 투입량을 추천하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 시공이 정상적으로 완료된 영역과 시공이 지연된 영역을 구분하여 상이한 색으로 표시하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 설계 데이터와 스캔 데이터의 관점 방향을 일치시키는 과정을 도시한 도면이다.
도 7은 일실시예에 따른 설계 데이터와 스캔 데이터의 크기를 일치시키는 과정을 도시한 도면이다.
도 8은 일실시예에 따른 시공이 정상적으로 완료된 영역과 시공이 지연된 영역이 상이한 색으로 표시된 병합 데이터를 도시한 도면이다.
도 9는 일실시예에 따른 구조물 내에 설치된 장비의 유지 보수를 위한 이벤트 발생을 예측하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 이벤트 발생 확률에 따라 장비의 상태를 분류하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 이벤트 발생 주기에 따라 발생률을 조정하는 과정을 설명하기 위한 순서도이다.
도 12는 일실시예에 따른 제1 인공 신경망의 학습을 설명하기 위한 도면이다.
도 13은 일실시예에 따른 제2 인공 신경망의 학습을 설명하기 위한 도면이다.
도 14는 일실시예에 따른 장치의 구성의 예시도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.

일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.

도 1을 참조하면, 일실시예에 따른 시스템은 관리자 단말(100), 3D 스캐너(200) 및 장치(300)를 포함할 수 있다.

먼저, 관리자 단말(100), 3D 스캐너(200) 및 장치(300)는 통신망을 통해 연결될 수 있으며, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성되어, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.

관리자 단말(100)은 공사 현장을 관리하는 관리자가 사용하는 단말로, 통신 기능을 갖춘 연산 장치로 구현될 수 있으며, 예를 들면, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.

관리자 단말(100)은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 관리자 단말(100)은 장치(300)와 유무선으로 통신하도록 구성될 수 있다.

관리자 단말(100)은 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 페이지에 접속되거나, 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 관리자 단말(100)은 웹 페이지 또는 애플리케이션을 통해 장치(300)와 연동될 수 있다.

3D 스캐너(200)는 분석 대상을 다양한 각도에서 스캔하여, 3D 스캔 데이터를 생성할 수 있다. 여기서, 3D 스캔 데이터는 분석 대상을 스캔하여 생성된 3D 이미지이다.

구체적으로, 3D 스캐너(200)는 분석 대상의 표면에 대한 3차원 점군 데이터(Point Cloud Data, PCD)를 획득한다. 여기서, 분석 대상은 건축물, 시설물, 구조물 등을 의미할 수 있으며, 예를 들어, 건물, 플랜트, 발전소, 선박, 문화재, 댐, 교량, 도로, 지하 시설물, 각종 설비, 기계장치, 파이프, 구조, 공조장치, 기타 설비 등일 수 있다.

3차원 점군 데이터란 분석 대상의 표면을 이루는 수많은 점들을 말한다. 3차원 점군 데이터에 포함되는 각 점들은 3차원 좌표(X, Y, Z)를 포함한다(여기서, 'Z'는 깊이 정보). 3차원 점군 데이터는 3D 스캐너(200)를 이용하여 분석 대상을 스캐닝하는 경우 획득될 수 있다.

3D 스캐너(200)는 비접촉 방식으로 3차원 점군 데이터를 획득할 수 있다. 비접촉 방식의 3D 스캐너(200)는 분석 대상에 접촉되지 않은 상태에서 3차원 점군 데이터를 획득할 수 있다. 비접촉 방식으로는 TOF(Time Of Flight) 방식, 광 삼각법 방식, 백색광 방식 및 변조광 방식을 예로 들 수 있다.

TOF(Time Of Flight) 방식은 대상물의 표면에 빛(예를 들어, 레이저)를 조사하고, 조사된 빛이 대상물의 표면에서 반사되어 돌아오는 시간을 측정하여, 대상물과 측정원점 사이의 거리를 구하는 방식이다. TOF 방식의 3D 스캐너(200)는 대상물로 레이저를 조사하는 레이저 소스와, 레이저가 조사된 대상물을 촬영하는 깊이 카메라를 포함할 수 있다.

광 삼각법 방식의 3D 스캐너(200)는 대상물로 레이저를 조사하는 레이저 소스, 대상물의 표면에서 반사된 레이저를 수신하는 CCD 카메라를 포함한다. 레이저가 서로 다른 거리에 있는 물체에 부딪히는 경우, 레이저를 수신하는 CCD 카메라에는 레이저가 서로 다른 위치에서 검출된다. 카메라와 레이저 소스 사이의 거리, 각도는 고정되어 이미 알고 있으므로, 카메라 화각 내에서 CCD 소자의 상대적인 위치에 따라 수신 광선의 깊이 차이를 구할 수 있는데, 이를 삼각법이라고 한다.

백색광 방식의 3D 스캐너(200)는 특정 패턴을 대상물에 투영하고, 그 패턴의 변형 형태를 촬영하여, 대상물의 표면에 대한 3차원 점군 데이터를 획득한다. 이때, 대상물에는 여러 종류의 패턴이 투영될 수 있다. 예를 들면, 하나의 선(line) 형태의 패턴, 그리드(grid), 또는 스트라이프 무늬의 패턴이 대상물에 투영될 수 있다.

백색광 방식의 3D 스캐너(200)는 전체 촬상 영역(Field Of View; FOV) 전반에 걸쳐 있는 모든 대상물의 표면의 3차원 좌표를 한 번에 획득할 수 있다.

변조광(structured-light) 방식의 3D 스캐너(200)는 대상물의 표면에 지속적으로 주파수가 다른 빛을 쏘고 수광부에서 이 빛을 받을 때, 주파수의 차이를 검출해, 거리 값을 산출한다.

한편, 규모가 큰 구조물을 스캐닝하기 위해, 3D 스캐너(200)를 어느 한 위치에 고정시킨 상태에서 3차원 점군 데이터를 획득하는 것보다는 3D 스캐너(200)의 위치를 변경해가며 3차원 점군 데이터를 획득하는 것이 바람직하다. 예를 들어, 구조물의 주변을 따라 3D 스캐너(200)의 위치를 변경시켜가면서 각 위치에서 3차원 스캐닝을 실시하여 각 위치별로 3차원 점군 데이터를 획득하는 것이 바람직하다.

상술한 바와 같이, 3D 스캐너(200)는 분석 대상을 다양한 각도에서 스캔하여 3차원 점군 데이터를 획득한 후, 획득된 3차원 점군 데이터를 병합하여 분석 대상에 대한 3D 스캔 데이터를 생성할 수 있다.

3D 스캐너(200)는 통신 모듈을 구비하여, 장치(300)와 유무선으로 통신하도록 구성될 수 있다.

장치(300)는 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(300)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(300)는 추론 기능을 수행하는 적어도 하나 이상의 인공 신경망을 구비할 수 있다.

장치(300)는 관리자 단말(100)과 유무선으로 통신하도록 구성될 수 있으며, 관리자 단말(100)의 동작을 제어하고, 관리자 단말(100)의 화면에 어느 정보를 표시할 것인지에 대해 제어할 수 있다.

장치(300)는 3D 스캐너(200)와 유무선으로 통신하도록 구성될 수 있으며, 3D 스캐너(200)에 대한 전체적인 동작을 제어할 수 있다.

장치(300)는 건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션을 제공하는 서버로 구현되어, 공사 관리 솔루션을 위한 플랫폼을 제공할 수 있다.

일실시예에 따르면, BIM(Building Information Modeling)은 3차원 정보모델을 기반으로 시설물의 생애주기에 걸쳐 발생하는 모든 정보를 통합하여 활용이 가능하도록 시설물의 형상, 속성 등을 정보로 표현한 디지털 모형을 의미한다.

공사 관리 솔루션은 건축 설계 시 등록된 BIM 데이터를 통해 확인된 시공 스케줄과 공사가 실제로 진행되면서 확인되는 시공 완료 일정을 비교하여, 공사 진행 상황을 체크하고 시공 일정을 관리하기 위해 다양한 알림 서비스를 제공할 수 있다. 이와 관련된 자세한 설명은 도 2 내지 도 4를 참조하여 후술하기로 한다.

도 2는 일실시예에 따른 건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통해 공사 관리 솔루션을 제공하는 과정을 설명하기 위한 순서도이다.

도 2를 참조하면, 먼저, S201 단계에서, 장치(300)는 제1 구조물에 대해 제1 단계의 시공이 제1 일자에 완료된 것을 확인할 수 있다. 여기서, 제1 구조물은 시공을 진행하고 있는 건축물 또는 시설물이고, 제1 단계는 시공의 여러 단계 중 현재 어느 단계까지 완료되었는지 나타내는 단계이고, 제1 일자는 제1 단계의 시공이 완료된 날짜이다.

구체적으로, 공사 현장을 관리하는 관리자는 관리자 단말(100)을 통해, 제1 구조물에 대한 제1 단계의 시공이 제1 일자에 완료된 것으로 시공 완료 정보를 입력할 수 있으며, 관리자 단말(100)은 장치(300)로 시공 완료 정보를 전송할 수 있다. 여기서, 시공 완료 정보는 제1 구조물에 대한 제1 단계의 시공이 제1 일자에 완료된 것을 나타내는 정보이다.

장치(300)는 관리자 단말(100)로부터 시공 완료 정보를 수신하면, 시공 완료 정보를 기반으로, 제1 구조물에 대해 제1 단계의 시공이 제1 일자에 완료된 것을 확인할 수 있다.

S202 단계에서, 장치(300)는 제1 구조물에 대해 제1 단계의 시공이 제1 일자에 완료된 것으로 확인되면, 제1 구조물의 BIM 데이터에서 제1 구조물의 시공 스케줄을 추출할 수 있다. 여기서, 제1 구조물의 시공 스케줄은 제1 구조물에 대한 시공 단계 별로 공사 일정이 계획되어 있는 시공 스케줄로, 제1 구조물의 BIM 데이터에 등록되어 있으며, 제1 구조물의 BIM은 제1 구조물의 설계 시 생성되어 장치(300)의 데이터베이스에 저장될 수 있다.

S203 단계에서, 장치(300)는 제1 구조물의 시공 스케줄을 기반으로 제1 단계의 시공을 완료하기로 계획한 일자인 제2 일자를 확인할 수 있다.

즉, 장치(300)는 제1 구조물에 대해 제1 단계의 시공이 제1 일자에 완료된 것으로 확인되면, 제1 구조물의 BIM 데이터에서 제1 구조물의 스케줄을 추출한 후, 제1 구조물의 스케줄을 기반으로 제1 단계의 시공을 완료하기로 계획한 일자인 제2 일자를 확인할 수 있다.

예를 들어, 제1 구조물의 시공이 1단계, 2단계 및 3단계 순으로 진행되고, 제1 구조물의 시공 스케줄에 1단계 시공이 1월1일부터 1월10일까지 시공하는 것으로 시공 일정이 계획되어 있고 2단계 시공이 1월11일부터 1월20일까지 시공하는 것으로 시공 일정이 계획되어 있고 3단계 시공이 1월21일부터 1월30일까지 시공하는 것으로 시공 일정이 계획되어 있는 경우, 장치(300)는 제1 구조물에 대해 1단계의 시공이 완료된 것으로 확인되면, 1월10일을 제2 일자로 확인할 수 있고, 제1 구조물에 대해 2단계의 시공이 완료된 것으로 확인되면, 1월 20일을 제2 일자로 확인할 수 있고, 제1 구조물에 대해 3단계의 시공이 완료된 것으로 확인되면, 1월30일을 제2 일자로 확인할 수 있다.

S204 단계에서, 장치(300)는 제1 일자 및 제2 일자를 비교하여, 제1 일자가 제2 일자 보다 느린지 여부를 확인할 수 있다.

S204 단계에서 제1 일자가 제2 일자 보다 느리지 않은 것으로 확인되면, S207 단계에서, 장치(300)는 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단할 수 있다.

예를 들어, 제1 일자가 1월9일이고 제2 일자가 1월10일인 경우, 장치(300)는 제1 일자가 제2 일자 보다 느리지 않은 것으로 확인되어, 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단할 수 있다.

S204 단계에서 제1 일자가 제2 일자 보다 느린 것으로 확인되면, S205 단계에서, 장치(300)는 제1 일자 및 제2 일자 간의 차이를 지연 기간으로 산출할 수 있다.

예를 들어, 제1 일자가 1월 13일이고 제2 일자가 1월10일인 경우, 장치(300)는 제1 일자가 제2 일자 보다 느린 것으로 확인하여, 제1 일자 및 제2 일자 간의 차이인 3일을 지연 기간으로 산출할 수 있다.

S206 단계에서, 장치(300)는 지연 기간이 제1 기준 범위 내에 포함되어 있는지 여부를 확인할 수 있다. 여기서, 제1 기준 범위는 실시예에 따라 상이하게 설정될 수 있다.

S206 단계에서 지연 기간이 제1 기준 범위 내에 포함되어 있는 것으로 확인되면, S207 단계에서, 장치(300)는 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단할 수 있다.

예를 들어, 지연 기간이 3일이고 제1 기준 범위가 5일 이하로 설정되어 있는 경우, 장치(300)는 지연 기간이 제1 기준 범위 내에 포함되어 있는 것으로 확인하여, 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단할 수 있다.

S206 단계에서 지연 기간이 제1 기준 범위를 벗어나는 것으로 확인되면, S208 단계에서, 장치(300)는 제1 구조물에 대한 시공 스케줄에 문제가 있는 것으로 판단할 수 있다.

예를 들어, 지연 기간이 7일이고 제1 기준 범위가 5일 이하로 설정되어 있는 경우, 장치(300)는 지연 기간이 제1 기준 범위를 벗어나는 것으로 확인하여, 제1 구조물에 대한 시공 스케줄에 문제가 있는 것으로 판단할 수 있다.

S209 단계에서, 장치(300)는 제1 구조물에 대한 시공 스케줄에 문제가 있는 것으로 판단된 경우, 지연 기간이 제2 기준 범위 내에 포함되어 있는지 여부를 확인할 수 있다. 여기서, 제2 기준 범위는 실시예에 따라 상이하게 설정될 수 있다.

S209 단계에서 지연 기간이 제2 기준 범위 내에 포함되어 있는 것으로 확인되면, S210 단계에서, 장치(300)는 제2 단계의 시공에 대한 진행 독촉을 추천하는 알림 메시지를 관리자 단말(100)로 전송할 수 있다. 여기서, 제2 단계는 시공의 여러 단계 중 제1 시공 이후 어느 단계를 시공해야 하는지 나타내는 단계이다.

예를 들어, 지연 기간이 7일이고 제1 기준 범위가 5일 이하로 설정되어 있고 제2 기준 범위가 5일 초과 10일 이하로 설정되어 있는 경우, 장치(300)는 지연 기간이 제1 기준 범위를 벗어나면서 제2 기준 범위 내에 포함되어 있는 것으로 확인하여, 제1 단계 이후 시공될 제2 단계의 시공에 대한 진행 독촉을 추천하는 알림 메시지를 관리자 단말(100)로 전송할 수 있다.

S209 단계에서 지연 기간이 제2 기준 범위를 벗어나는 것으로 확인되면, S211 단계에서, 장치(300)는 제2 단계의 시공에 인원 및 장비의 추가 투입을 추천하는 알림 메시지를 관리자 단말(100)로 전송할 수 있다.

예를 들어, 지연 기간이 12일이고 제1 기준 범위가 5일 이하로 설정되어 있고 제2 기준 범위가 5일 초과 10일 이하로 설정되어 있는 경우, 장치(300)는 지연 기간이 제1 기준 범위를 벗어나면서 제2 기준 범위도 벗어나는 것으로 확인하여, 제2 단계의 시공에 인원 및 장비의 추가 투입을 추천하는 알림 메시지를 관리자 단말(100)로 전송할 수 있다.

제2 단계의 시공에 인원 및 장비의 추가 투입을 추천하는 알림 메시지를 전송할 때, 지연 기간에 따라 인원 및 장비에 대한 추가 투입량이 결정될 수 있으며, 이와 관련된 자세한 설명은 도 3을 참조하여 후술하기로 한다.

도 3은 일실시예에 따른 지연 기간에 따라 제2 단계의 시공을 진행할 때 필요한 인원 및 장비에 대한 추가 투입량을 추천하는 과정을 설명하기 위한 순서도이다.

도 3을 참조하면, 먼저, S301 단계에서, 장치(300)는 지연 기간이 제2 기준 범위를 벗어나는 것으로 확인할 수 있다.

S302 단계에서, 장치(300)는 지연 기간이 길수록 제1 비율을 더 높은 값으로 설정할 수 있다.

예를 들어, 장치(300)는 지연 기간이 12일로 산출되면 제1 비율을 12%로 설정하고, 지연 기간이 15일로 산출되면 제1 비율을 15%로 설정할 수 있다.

S303 단계에서, 장치(300)는 제1 구조물의 시공 스케줄을 기반으로 제2 단계의 시공에 필요한 인원 수인 제1 명수와 제2 단계의 시공에 필요한 장비 수인 제1 대수를 각각 확인할 수 있다. 이를 위해, 제1 구조물의 시공 스케줄에는 시공 단계 별로 시공에 필요한 인원 수와 시공에 필요한 장비 수가 설정되어 있다.

예를 들어, 제1 구조물의 시공이 1단계, 2단계 및 3단계 순으로 진행되고, 제1 구조물의 시공 스케줄에 1단계 시공이 1월1일부터 1월10일까지 100명의 인원이 50대의 장비를 이용하여 시공하는 것으로 시공 인원 및 장비가 계획되어 있고 2단계 시공이 1월11일부터 1월20일까지 150명의 인원이 100대의 장비를 이용하여 시공하는 것으로 시공 인원 및 장비가 계획되어 있고 3단계 시공이 1월21일부터 1월30일까지 50명의 인원이 30대의 장비를 이용하여 시공하는 것으로 시공 인원 및 장비가 계획되어 있는 경우, 장치(300)는 1단계의 시공이 완료되어 2단계의 시공이 진행될 순서인 것으로 확인되면, 150명을 제1 명수로 확인하고 100대를 제1 대수로 확인할 수 있고, 2단계의 시공이 완료되어 3단계의 시공이 진행될 순서인 것으로 확인되면, 50명을 제1 명수로 확인하고 30대를 제1 대수로 확인할 수 있다.

S304 단계에서, 장치(300)는 제1 명수 및 제1 비율을 곱한 값으로 제2 명수를 산출하고, 제1 대수 및 제1 비율을 곱한 값으로 제2 대수를 산출할 수 있다.

예를 들어, 제1 비율이 12%로 설정된 경우, 장치(300)는 제1 명수가 150명으로 확인되면, “X 0.12”를 통해 산출된 18명을 제2 명수로 산출할 수 있고, 제1 대수가 100대로 확인되면, “X 0.12”를 통해 산출된 12대를 제2 대수로 산출할 수 있다.

S305 단계에서, 장치(300)는 제2 단계의 시공을 진행할 때 제2 명수에 대한 인원 추가 투입과 제2 대수에 대한 장비 추가 투입을 추천하는 알림 메시지를 관리자 단말(100)로 전송할 수 있다.

도 4는 일실시예에 따른 악천후 기간에 따라 제2 단계의 시공을 진행할 때 필요한 인원 및 장비에 대한 추가 투입량을 추천하는 과정을 설명하기 위한 순서도이다.

일실시예에 따르면, 도 4에 도시된 각 단계는 S207 단계가 수행된 이후에 수행될 수 있다.

도 4를 참조하면, 먼저, S401 단계에서, 장치(300)는 제1 구조물의 시공 스케줄을 기반으로 제1 단계의 시공 일정인 제1 기간과 제2 단계의 시공 일정인 제2 기간을 확인할 수 있다.

예를 들어, 제1 구조물의 시공이 1단계, 2단계 및 3단계 순으로 진행되고, 제1 구조물의 시공 스케줄에 1단계 시공이 1월1일부터 1월10일까지 시공하는 것으로 시공 일정이 계획되어 있고 2단계 시공이 1월11일부터 1월20일까지 시공하는 것으로 시공 일정이 계획되어 있고 3단계 시공이 1월21일부터 1월30일까지 시공하는 것으로 시공 일정이 계획되어 있는 경우, 장치(300)는 제1 단계가 1단계 시공이고 제2 단계가 2단계 시공인 경우, 1월1일부터 1월10일까지를 제1 기간으로 확인하고 1월11일부터 1월20일까지를 제2 기간으로 확인할 수 있으며, 제1 단계가 2단계 시공이고 제2 단계가 3단계 시공인 경우, 1월11일부터 1월20일까지 제1 기간으로 확인하고 1월21일부터 1월30일까지를 제2 기간으로 확인할 수 있다.

S402 단계에서, 장치(300)는 제1 구조물이 위치하는 지역을 제1 지역으로 확인할 수 있다.

S403 단계에서, 장치(300)는 기상 예측 정보를 관리하는 외부 서버로부터 제1 지역의 기상 예측 정보를 획득할 수 있다.

S404 단계에서, 장치(300)는 제1 구조물이 위치하는 지역이 제1 지역으로 확인되면, 제1 지역의 기상 예측 정보를 기반으로 제2 기간 동안의 날씨를 확인할 수 있다.

S405 단계에서, 장치(300)는 제2 기간 동안의 날씨에 악천후인 기간이 포함되어 있는지 여부를 확인할 수 있다. 여기서, 악천후는 폭풍, 태풍, 우박, 폭설, 소나기 등 외부 활동에 영향을 끼치는 몹시 나쁜 날씨를 의미할 수 있다.

S405 단계에서 제2 기간 동안의 날씨에 악천후인 기간이 포함되어 있지 않은 것으로 확인되면, S411 단계에서, 장치(300)는 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단할 수 있다.

S405 단계에서 제2 기간 동안의 날씨에 악천후인 기간이 포함되어 있는 것으로 확인되면, S406 단계에서, 장치(300)는 악천후인 기간을 제3 기간으로 설정할 수 있다.

예를 들어, 제1 구조물이 위치하는 지역이 A지역이고 제2 기간이 1월11일부터 1월20일까지인 경우, 장치(300)는 A 지역의 기상 예측 정보를 기반으로 1월11일부터 1월20일까지 날씨를 확인한 결과, 1월15일부터 1월17일까지 A지역의 날씨가 악천후인 것으로 확인되면, 1월15일부터 1월17일까지를 제3 기간으로 설정할 수 있다.

S407 단계에서, 장치(300)는 제3 기간의 일수를 제2 기간의 일수로 나눈 값으로 제2 비율을 산출할 수 있다.

예를 들어, 제2 기간이 1월11일부터 1월20일까지이고 제3 기간이 1월15일부터 1월17일까지인 경우, 장치(300)는 제3 기간의 일수를 3일로 확인하고 제2 기간의 일수를 10일로 확인하여, “/ 10"을 통해 산출된 30%를 제2 비율로 산출할 수 있다.

S408 단계에서, 장치(300)는 제1 구조물의 시공 스케줄을 기반으로 제2 단계의 시공에 필요한 인원 수인 제1 명수와 제2 단계의 시공에 필요한 장비 수인 제1 대수를 각각 확인할 수 있다,

S409 단계에서, 장치(300)는 제1 명수 및 제2 비율을 곱한 값으로 제3 명수를 산출하고, 제1 대수 및 제2 비율을 곱한 값으로 제3 대수를 산출할 수 있다.

예를 들어, 제2 비율이 30%로 설정된 경우, 장치(300)는 제1 명수가 150명으로 확인되면, “X 0.3”을 통해 산출된 45명을 제2 명수로 산출할 수 있고, 제1 대수가 100대로 확인되면, “X 0.3”을 통해 산출된 30대를 제2 대수로 산출할 수 있다.

S410 단계에서, 장치(300)는 제2 단계의 시공을 진행할 때 제3 명수에 대한 인원 추가 투입과 제3 대수에 대한 장비 추가 투입을 추천하는 알림 메시지를 관리자 단말(100)로 전송할 수 있다.

일실시예에 따르면, 장치(300)는 제1 구조물에 대한 시공 스케줄에 문제가 있는 것으로 판단되면, 3D 스캔 데이터를 이용하여 시공에 오차가 있는지 여부를 확인하고, 오차가 있는 영역을 통해 시공이 지연된 영역을 확인할 수 있도록 처리할 수 있다. 이와 관련된 자세한 설명은 도 5 내지 도 8을 참조하여 후술하기로 한다.

도 5는 일실시예에 따른 시공이 정상적으로 완료된 영역과 시공이 지연된 영역을 구분하여 상이한 색으로 표시하는 과정을 설명하기 위한 순서도이고, 도 6은 일실시예에 따른 설계 데이터와 스캔 데이터의 관점 방향을 일치시키는 과정을 도시한 도면이고, 도 7은 일실시예에 따른 설계 데이터와 스캔 데이터의 크기를 일치시키는 과정을 도시한 도면이고, 도 8은 일실시예에 따른 시공이 정상적으로 완료된 영역과 시공이 지연된 영역이 상이한 색으로 표시된 병합 데이터를 도시한 도면이다.

도 5를 참조하면, 먼저, S501 단계에서, 장치(300)는 지연 기간이 제1 기준 범위를 벗어나는 것으로 확인되면, 제1 구조물에 대한 시공 스케줄에 문제가 있는 것으로 판단할 수 있다.

S502 단계에서, 장치(300)는 제1 일자에 제1 구조물이 3D 스캐너(200)에 의해 스캔되면, 3D 스캐너(200)로부터 제1 구조물을 스캔하여 생성된 3D 스캔 데이터인 제1 스캔 데이터를 획득할 수 있다.

구체적으로, 장치(300)는 제1 구조물에 대해 제1 단계의 시공이 제1 일자에 완료된 것으로 확인되면, 제1 일자에 관리자 단말(100)로 제1 구조물에 대한 스캔 작업을 요청하는 알림 메시지를 전송할 수 있으며, 이후, 관리자는 제1 일자에 3D 스캐너(200)를 이용하여 제1 구조물에 대한 스캔 작업을 수행할 수 있다. 이때, 3D 스캐너(200)는 제1 구조물을 다양한 각도에서 스캔하여 3차원 점군 데이터를 획득한 후, 획득된 3차원 점군 데이터를 병합하여 제1 구조물에 대한 3D 스캔 데이터를 생성할 수 있다.

S503 단계에서, 장치(300)는 제1 구조물의 BIM 데이터에서 제1 설계 데이터를 추출할 수 있다. 여기서, 제1 설계 데이터는 제1 단계의 시공 완료 시점에 대한 제1 구조물의 3D 설계 데이터로 제1 구조물의 BIM 데이터에 등록되어 있으며, 제1 단계의 시공이 완료되었을 때 제1 구조물의 형상을 나타내기 위해 등록되어 있는 3D 이미지이다.

제1 구조물의 BIM은 제1 구조물의 설계 시 생성되어 장치(300)의 데이터베이스에 저장될 수 있으며, 제1 구조물의 시공이 진행되면서 지속적으로 갱신될 수 있다.

제1 구조물의 BIM 데이터에는 제1 구조물의 시공 단계마다 완료되었을 때 제1 구조물의 형상을 나타내기 위해, 시공 단계 별로 설계 데이터가 등록되어 있다. 예를 들어, 제1 구조물의 시공이 1단계, 2단계 및 3단계 순으로 진행되는 경우, 1단계 시공이 완료되었을 때 제1 구조물의 형상을 나타내기 위한 설계 데이터, 2단계 시공이 완료되었을 때 제1 구조물의 형상을 나타내기 위한 설계 데이터, 3단계 시공이 완료되었을 때 제1 구조물의 형상을 나타내기 위한 설계 데이터가 각각 등록될 수 있다.

이를 통해, 장치(300)는 제1 구조물에 대해 제1 단계의 시공이 완료된 것으로 확인되면, 제1 구조물의 BIM 데이터에서 제1 단계의 시공이 완료되었을 때 제1 구조물의 형상을 나타내기 위해 등록되어 있는 제1 설계 데이터를 조회한 후, 조회된 제1 설계 데이터를 추출할 수 있다.

S504 단계에서, 장치(300)는 제1 설계 데이터에서 기준 표식으로 등록되어 있는 제1 표식을 확인하고, 제1 스캔 데이터에서 제1 표식을 인식할 수 있다. 여기서, 제1 표식은 특정 패턴, 기호, 또는 숫자가 인쇄된 표식으로, 제1 구조물의 일부 벽면에 표시될 수 있다.

제1 구조물의 설계 시, 제1 표식의 모양과 제1 표식이 제1 구조물의 어느 지점에 표시될 것인지 설정될 수 있으며, 설정된 제1 표식이 제1 설계 데이터에 기준 표식으로 등록될 수 있다. 이를 통해, 장치(300)는 제1 설계 데이터가 추출되면, 제1 설계 데이터에서 제1 표식을 확인할 수 있다.

제1 구조물의 시공 시, 제1 구조물의 지정된 지점에 제1 표식이 표시될 수 있으며, 제1 표식이 표시된 제1 구조물이 스캔되면, 제1 구조물에 표시된 제1 표식이 제1 스캔 데이터에 포함될 수 있다, 이를 통해, 장치(300)는 제1 스캔 데이터가 획득되면, 제1 스캔 데이터에서 제1 표식을 인식할 수 있다.

S505 단계에서, 장치(300)는 제1 설계 데이터에서 확인된 제1 표식의 위치와 제1 스캔 데이터에서 인식된 제1 표식의 위치를 이용하여, 제1 설계 데이터와 제1 스캔 데이터의 관점 방향을 일치시킬 수 있다.

구체적으로, 제1 설계 데이터에서 확인된 제1 표식의 위치와 제1 스캔 데이터에서 확인된 제1 표식의 위치를 비교한 결과, 도 6의 (a)에 도시된 바와 같이, 제1 설계 데이터에서 확인된 제1 표식과 제1 스캔 데이터에서 인식된 제1 표식은 위치가 서로 상이할 수 있다.

장치(300)는 제1 설계 데이터에서 확인된 제1 표식의 위치와 제1 스캔 데이터에서 인식된 제1 표식의 위치가 상이한 것으로 확인되면, 제1 표식의 위치가 서로 일치할 수 있도록, 제1 스캔 데이터를 회전시킬 수 있다.

제1 스캔 데이터가 회전되면, 도 6의 (b)에 도시된 바와 같이, 제1 설계 데이터에서 확인된 제1 표식과 제1 스캔 데이터에서 인식된 제1 표식은 동일한 지점에 위치할 수 있으며, 이를 통해, 상기 제1 설계 데이터의 관점 방향과 제1 스캔 데이터의 관점 방향을 일치시킬 수 있다.

S506 단계에서, 장치(300)는 제1 설계 데이터에서 확인된 제1 표식의 면적과 제1 스캔 데이터에서 인식된 제1 표식의 면적을 이용하여, 제1 설계 데이터와 제1 스캔 데이터의 크기를 일치시킬 수 있다.

구체적으로, 제1 설계 데이터에서 확인된 제1 표식의 면적과 제1 스캔 데이터에서 인식된 제1 표식의 면적을 비교한 결과, 도 7의 (a)에 도시된 바와 같이, 제1 설계 데이터에서 확인된 제1 표식과 제1 스캔 데이터에서 인식된 제1 표식은 면적이 서로 상이할 수 있다.

장치(300)는 제1 설계 데이터에서 확인된 제1 표식의 면적과 제1 스캔 데이터에서 인식된 제1 표식의 면적이 상이한 것으로 확인되면, 제1 표식의 면적이 서로 일치할 수 있도록, 제1 스캔 데이터의 크기를 변경할 수 있다. 이때, 제1 설계 데이터에서 확인된 제1 표식의 면적이 제1 스캔 데이터에서 인식된 제1 표식의 면적 보다 넓은 경우, 제1 스캔 데이터의 크기는 축소될 수 있고, 제1 설계 데이터에서 확인된 제1 표식의 면적이 제1 스캔 데이터에서 인식된 제1 표식의 면적 보다 좁은 경우, 제1 스캔 데이터의 크기는 확대될 수 있다.

제1 스캔 데이터의 크기가 변경되면, 도 7의 (b)에 도시된 바와 같이, 제1 설계 데이터에서 확인된 제1 표식의 면적과 제1 스캔 데이터에서 인식된 제1 표식의 면적은 동일해질 수 있으며, 이를 통해, 제1 설계 데이터의 크기와 제1 스캔 데이터의 크기를 일치시킬 수 있다.

S507 단계에서, 장치(300)는 제1 설계 데이터 및 제1 스캔 데이터를 병합하여 병합 데이터를 생성할 수 있다. 이때, 장치(300)는 제1 설계 데이터와 제1 스캔 데이터를 중첩하여, 하나로 병합된 병합 데이터를 생성할 수 있다.

S508 단계에서, 장치(300)는 병합 데이터에 기초하여, 제1 구조물의 설계와 시공 간에 오차가 없는 영역을 제1 영역으로 구분하고, 제1 구조물의 설계와 시공 간에 오차가 있는 영역을 제2 영역으로 구분할 수 있다.

구체적으로, 장치(300)는 병합 데이터에 기초하여, 제1 설계 데이터와 제1 스캔 데이터 간에 오차 범위를 벗어나 일치하지 않는 영역이 있는지 확인할 수 있으며, 제1 설계 데이터와 제1 스캔 데이터 간에 일치하지 않는 영역이 있는 것으로 확인되면, 확인된 영역을 제1 구조물의 설계와 시공 간에 오차가 있는 영역으로 분석할 수 있다. 이를 통해, 제1 구조물의 설계와 시공 간에 오차가 있는 영역은 제2 영역으로 구분되고 제1 구조물의 설계와 시공 간에 오차가 없는 영역은 제1 영역으로 구분될 수 있다.

S509 단계에서, 장치(300)는 제1 영역을 제1 구조물의 시공 스케줄에 따라 정상적으로 시공이 완료된 영역으로 설정하고, 제2 영역을 제1 구조물의 시공 스케줄에 따라 시공이 지연된 영역으로 설정할 수 있다.

즉, 장치(300)는 제1 구조물의 설계와 시공 간에 오차가 없는 영역을 제1 구조물의 시공 스케줄에 따라 정상적으로 시공이 완료된 영역으로 설정하고, 제1 구조물의 설계와 시공 간에 오차가 있는 영역을 제1 구조물의 시공 스케줄에 따라 시공이 지연된 영역으로 설정할 수 있다.

일실시예에 따르면, 제2 영역은 제1 설계 데이터 상에서 물체가 있는 공간으로 확인되고 제1 스캔 데이터 상에서 빈 공간으로 확인되는 영역이다.

구체적으로, 장치(300)는 제1 설계 데이터를 기반으로 시공 예정인 제1 구조물의 3D 이미지를 확인할 수 있고, 제1 스캔 데이터를 기반으로 시공을 통해 실제로 구현된 제1 구조물의 3D 이미지를 확인할 수 있고, 제1 설계 데이터와 제1 스캔 데이터를 비교하여, 제1 구조물의 설계와 제1 구조물의 시공 간에 오차가 있는지 여부를 분석할 수 있다.

이후, 장치(300)는 제1 설계 데이터와 제1 스캔 데이터 간에 일치하는 영역을 오차가 없는 영역으로 판단하여 제1 영역으로 구분할 수 있고, 제1 설계 데이터와 제1 스캔 데이터 간에 일치하지 않는 영역을 오차가 있는 영역으로 판단하여 제2 영역으로 구분할 수 있는데, 이때, 제2 영역은 제1 설계 데이터 상에서 물체가 있는 공간으로 확인되고 제1 스캔 데이터 상에서 빈 공간으로 확인될 수 있다.

즉, 제2 영역은 제1 구조물의 설계 시 물체가 있는 공간으로 설정되었으나 실제 시공을 통해 구현된 제1 구조물에서 빈 공간으로 확인되는 영역으로, 시공이 지연된 영역을 나타낼 수 있다.

S510 단계에서, 장치(300)는 병합 데이터를 관리자 단말(100)로 제공하여, 병합 데이터가 관리자 단말(100)의 화면에서 표시될 때, 제1 영역이 제1 색상으로 표시되도록 제어하고, 제2 영역이 제2 색상으로 표시되도록 제어할 수 있다.

구체적으로, 제1 설계 데이터와 제1 스캔 데이터를 병합하여 생성된 병합 데이터는 제1 설계 데이터와 제1 스캔 데이터 간에 일치하는 영역이 제1 영역으로 구분될 수 있고, 제1 설계 데이터와 제1 스캔 데이터 간에 일치하지 않는 영역이 제2 영역으로 구분될 수 있다.

즉, 장치(300)는 병합 데이터를 분석한 결과, 제1 설계 데이터와 제1 스캔 데이터 간에 일치하는 영역을 오차가 없는 영역으로, 제1 구조물의 시공 스케줄에 따라 정상적으로 시공이 완료된 영역으로 판단하여 제1 영역으로 구분할 수 있고, 제1 설계 데이터와 제1 스캔 데이터 간에 일치하지 않는 영역을 오차가 있는 영역으로, 제1 구조물의 시공 스케줄에 따라 시공이 지연된 영역으로 판단하여 제2 영역으로 구분할 수 있다.

이후, 장치(300)는 병합 데이터가 관리자 단말(100)의 화면에서 표시될 때, 제1 영역과 제2 영역이 서로 상이한 색으로 표시되도록 제어할 수 있으며, 예를 들어, 도 8에 도시된 바와 같이, 제1 영역은 제1 색상으로 표시될 수 있고, 제2 영역은 제2 색상으로 표시될 수 있다.

일실시예에 따르면, 장치(300)는 제1 구조물에 대한 마지막 단계의 시공이 완료된 이후 제1 구조물 내에는 제1 장비가 설치될 수 있으며, 제1 장비의 유지 보수를 위한 이벤트 발생 예측 및 모니터링 서비스를 추가적으로 제공할 수 있다.

즉, 장치(300)는 제1 구조물에 대한 시공이 전체적으로 완료된 이후, 제1 구조물 내에서 제1 장비를 사용하고 있는 경우, 제1 장비의 유지 보수를 위해 제1 장비에서 많이 발생할 것으로 예상되는 이벤트의 종류를 예측할 수 있다. 여기서 이벤트의 종류는 고장, 과부하, 전산 장애, 멈춤 현상 등으로 구분될 수 있다.

이하에서는 구조물 내에 설치된 장비의 유지 보수를 위한 이벤트 발생 예측 및 모니터링 서비스를 제공하는 과정에 대해 자세히 설명하기로 한다.

도 9는 일실시예에 따른 구조물 내에 설치된 장비의 유지 보수를 위한 이벤트 발생을 예측하는 과정을 설명하기 위한 순서도이다.

도 9를 참조하면, 먼저, S901 단계에서, 장치(300)는 제1 구조물에 대해 마지막 단계의 시공이 완료된 이후, 제1 구조물 내에 제1 장비가 설치된 것으로 확인되면, 제1 구조물 정보와 제1 장비 정보를 각각 획득할 수 있다. 이를 위해, 장치(300)는 데이터베이스에 구조물 별로 구분된 복수의 구조물 정보를 저장하여 관리할 수 있고, 장비 별로 구분된 복수의 장비 정보를 저장하여 관리할 수 있으며, 데이터베이스로부터 제1 구조물 정보와 제1 장비 정보를 각각 획득할 수 있다.

일실시예에 따르면, 제1 구조물 정보는 제1 구조물에 대한 정보로, 제1 구조물의 BIM 데이터를 포함할 수 있고, 이외에도, 제1 구조물의 카테고리, 규모 등에 대한 정보를 더 포함할 수 있다. 이때, 제1 구조물의 카테고리는 건물, 발전소, 교량 등으로 구분될 수 있고, 제1 구조물의 규모는 소형, 중형, 대형 등으로 구분될 수 있다.

일실시예에 따르면, 제1 장비 정보는 제1 구조물 내에 설치된 제1 장비에 대한 정보로, 제1 장비의 유형, 동작 스케줄 등에 대한 정보를 포함할 수 있다. 이때, 제1 장비의 유형은 PC, 서버, 라우터 등으로 구분될 수 있고, 제1 장비의 동작 스케줄은 부하 스케줄, CPU 이용 스케줄, 메모리 사용 스케줄 등으로 구분될 수 있다.

장치(300)는 제1 장비와 유무선으로 통신하도록 구성될 수 있으며, 제1 장비와 통신으로 연결되면, 제1 장비의 IP 주소를 통해 제1 장비가 제1 구조물 내에 설치되어 있는 것을 확인할 수 있다.

또한, 장치(300)는 제1 구조물 내에 제1 장비가 설치될 때, 설치 기사의 요청에 의해 설치 정보가 등록되면, 설치 정보를 통해 제1 장비가 제1 구조물 내에 설치되어 있는 것을 확인할 수 있다. 이때, 설치 정보는 제1 구조물 내에 제1 장비가 설치된 것을 나타내는 정보로, 설치 기사의 단말을 통해 등록될 수 있다.

S902 단계에서, 장치(300)는 제1 구조물 정보 및 제1 장비 정보를 매칭하여 제1 매칭 결과를 생성할 수 있다.

S903 단계에서, 장치(300)는 제1 구조물 정보 및 제1 장비 정보를 매칭한 제1 매칭 결과를 미리 학습된 제1 인공 신경망에 적용할 수 있다. 여기서, 제1 인공 신경망은 구조물 정보 및 장비 정보를 매칭한 매칭 결과를 입력으로 받아, 특정 구조물에 설치된 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 출력하는 알고리즘일 수 있다.

즉, 제1 인공 신경망은 매칭 결과를 기반으로, 구조물의 카테고리 및 규모와 장비의 유형 및 동작 스케줄을 고려하여, 특정 구조물에 설치되어 있는 특정 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 선정할 수 있다. 여기서, 이벤트의 종류는 고장, 과부하, 전산 장애, 멈춤 현상 등으로 구분될 수 있고, 이 중 어느 하나가 장비에서 가장 많이 발생할 것으로 예측될 수 있다.

예를 들어, 제1 인공 신경망은 제1 구조물 내에 제1 장비가 설치되어 있는 경우, 제1 구조물의 카테고리 및 규모와 제1 장비의 유형 및 동작 스케줄을 고려하여, 제1 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 제1 이벤트로 선정할 수 있고, 제1 이벤트를 지시하는 출력값을 출력할 수 있다.

S904 단계에서, 장치(300)는 제1 인공 신경망의 출력을 기초로, 제1 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 제1 이벤트로 예측할 수 있다.

예를 들어, 장치(300)는 제1 인공 신경망의 출력을 확인한 결과, 제1 인공 신경망의 출력값이 1인 경우, 제1 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 제1 이벤트로 예측할 수 있고, 제1 인공 신경망의 출력값이 2인 경우, 제1 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 제2 이벤트로 예측할 수 있다.

일실시예에 따르면, 제1 인공 신경망은 구조물 정보 및 장비 정보를 매칭한 매칭 결과를 통해, 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 선정하여 추출하도록 학습될 수 있다. 이를 통해, 제1 인공 신경망은 어느 구조물에 어느 장비가 설치되는지를 고려하여, 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류가 무엇인지 분석하여 출력할 수 있다. 제1 인공 신경망은 도 13을 참조하여 후술되는 방법을 통해 학습될 수 있다.

장치(300)는 제1 구조물 내에 제1 장비가 설치되어 있고, 제1 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류가 제1 이벤트로 예측되면, 제1 장비의 상태를 확인하기 위해, 미리 정해진 기간 마다 제1 장비의 성능을 평가한 평가 정보를 획득할 수 있다. 여기서, 평가 정보는 장비의 현재 성능을 평가한 정보로, 출력 속도, 주기억 장치의 액세스 시간, 데이터 전송 속도, 연산 속도 등을 종합적으로 평가한 결과를 포함할 수 있으며, 장비의 작업 처리 능력에 대한 수치도 포함할 수 있다. 이를 위해, 제1 장비는 자체적으로 미리 정해진 기간 마다 자신의 성능을 평가하여 평가 정보를 생성할 수 있으며, 장치(300)는 제1 장비에서 평가 정보가 생성되면, 제1 장비로부터 평가 정보를 획득할 수 있다.

S905 단계에서, 장치(300)는 제1 시점에 제1 장비의 성능을 평가한 평가 정보를 제1 평가 정보로 획득할 수 있다. 즉, 제1 장비는 제1 시점에 자신의 성능을 평가한 제1 평가 정보를 생성할 수 있으며, 장치(300)는 제1 장비에서 제1 평가 정보가 생성되면, 제1 장비로부터 제1 평가 정보를 획득할 수 있다.

S906 단계에서, 장치(300)는 제1 평가 정보를 기반으로, 제1 시점에 대한 제1 장비의 성능을 나타내는 제1 성능 지표를 산출할 수 있다. 여기서, 제1 성능 지표는 제1 시점에 제1 장비의 성능이 어느 정도인지를 나타내는 수치이다.

구체적으로, 장치(300)는 제1 평가 정보를 통해, 제1 시점에 제1 장비의 출력 속도, 주기억 장치의 액세스 시간, 데이터 전송 속도 및 연산 속도를 확인하고, 출력 속도, 주기억 장치의 액세스 시간, 데이터 전송 속도 및 연산 속도에 대한 항목 별로 설정된 기준에 따라 점수를 부여한 후, 항목 별로 부여된 점수를 합산한 값으로 제1 성능 지표를 산출할 수 있다.

S907 단계에서, 장치(300)는 제2 시점에 제1 장비의 성능을 평가한 평가 정보를 제2 평가 정보로 획득할 수 있다. 여기서, 제2 시점은 제1 시점 이후의 시점이다. 즉, 제1 장비는 미리 정해진 기간 마다 자신의 성능을 평가하여 평가 정보를 생성하고 있으므로, 제1 시점에 자신의 성능을 평가한 제1 평가 정보를 생성한 후, 제1 시점으로부터 미리 정해진 기간이 지나면, 제2 시점에 자신의 성능을 평가한 제2 평가 정보를 생성할 수 있으며, 장치(300)는 제1 장비에서 제2 평가 정보가 생성되면, 제1 장비로부터 제2 평가 정보를 획득할 수 있다.

S908 단계에서, 장치(300)는 제2 평가 정보를 기반으로, 제2 시점에 대한 제1 장비의 성능을 나타내는 제2 성능 지표를 산출할 수 있다. 여기서, 제2 성능 지표는 제2 시점에 제1 장비의 성능이 어느 정도인지를 나타내는 수치이다.

구체적으로, 장치(300)는 제2 평가 정보를 통해, 제2 시점에 제1 장비의 출력 속도, 주기억 장치의 액세스 시간, 데이터 전송 속도 및 연산 속도를 확인하고, 출력 속도, 주기억 장치의 액세스 시간, 데이터 전송 속도 및 연산 속도에 대한 항목 별로 설정된 기준에 따라 점수를 부여한 후, 항목 별로 부여된 점수를 합산한 값으로 제2 성능 지표를 산출할 수 있다.

S909 단계에서, 장치(300)는 제1 성능 지표 및 제2 성능 지표를 비교하여, 제1 시점부터 제2 시점까지 제1 장비에 대한 성능 변동 추세를 나타내는 제1 성능 변동 추세를 분석할 수 있다.

구체적으로, 장치(300)는 제1 성능 지표 및 제2 성능 지표를 비교하여, 제1 장비의 성능이 증가 또는 감소되었는지 여부를 확인할 수 있으며, 이를 통해, 제1 장비의 성능이 제1 시점부터 제2 시점까지 얼마나 변동되었는지 추세를 나타내는 제1 성능 변동 추세를 분석할 수 있다.

예를 들어, 제1 성능 지표는 90으로 산출되어 있고, 제2 성능 지표는 85로 산출되어 있는 경우, 장치(300)는 제1 성능 지표 및 제2 성능 지표를 비교한 결과, 90에서 85로 성능 지표가 변경되었으므로, 제1 시점부터 제2 시점까지 제1 장비의 성능이 5만큼 감소된 것으로, 제1 성능 변동 추세를 분석할 수 있다.

S910 단계에서, 장치(300)는 제1 성능 변동 추세에 대한 분석 결과를 미리 학습된 제2 인공 신경망에 적용할 수 있다. 여기서, 제2 인공 신경망은 성능 변동 추세에 대한 분석 결과를 입력 받은 후, 장비에서 이벤트가 발생할 수 있는 확률을 출력하는 알고리즘일 수 있다.

즉, 제2 인공 신경망은 성능 변동 추세에 대한 분석 결과를 기반으로, 장비의 성능이 얼마나 변동되었는지 추세를 고려하여, 장비에서 특정 이벤트가 발생할 수 있는 확률을 산정할 수 있다.

예를 들어, 제2 인공 신경망은 제1 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류가 제1 이벤트로 선정되면, 제1 성능 변동 추세에 대한 분석 결과가 5만큼 감소한 경우, -5를 입력으로 받아, 제1 장비에서 제1 이벤트가 발생할 수 있는 확률을 제1 발생률로 산정할 수 있고, 제1 발생률을 지시하는 출력값을 출력할 수 있다.

S911 단계에서, 장치(300)는 제2 인공 신경망의 출력을 기초로, 제1 장비에서 제1 이벤트가 발생할 수 있는 확률을 제1 발생률로 예측할 수 있다.

일실시예에 따르면, 제2 인공 신경망은 성능 변동 추세에 대한 분석 결과를 통해, 장비에 이벤트가 발생할 확률이 얼마나 되는지 분석하도록 학습될 수 있다. 이를 통해, 제2 인공 신경망은 장비의 성능이 얼마나 변경되는지를 고려하여, 장비에 이벤트가 발생할 확률이 얼마나 되는지 분석하여 출력할 수 있다. 제2 인공 신경망은 도 14를 참조하여 후술되는 방법을 통해 학습될 수 있다.

도 10은 일실시예에 따른 이벤트 발생 확률에 따라 장비의 상태를 분류하는 과정을 설명하기 위한 순서도이다.

도 10을 참조하면, 먼저, S1001 단계에서, 장치(300)는 제1 장비에서 제1 이벤트가 발생할 수 있는 확률이 제1 발생률로 예측되면, 제1 발생률이 제1 기준값 보다 작은지 여부를 확인할 수 있다. 여기서, 제1 기준값은 실시예에 따라 상이하게 설정될 수 있다.

S1001 단계에서 제1 발생률이 제1 기준값 보다 작은 것으로 확인되면, S1002 단계에서, 장치(300)는 제1 장비를 이상 징후가 없는 장비로 분류할 수 있다.

S1001 단계에서 제1 발생률이 제1 기준값 보다 큰 것으로 확인되면, S1003 단계에서, 장치(300)는 제1 발생률이 제2 기준값 보다 작은지 여부를 확인할 수 있다. 여기서, 제2 기준값은 제1 기준값 보다 큰 값으로 설정될 수 있다.

S1003 단계에서 제1 발생률이 제2 기준값 보다 작은 것으로 확인되면, S1004 단계에서, 장치(300)는 제1 장비를 재부팅이 필요한 장비로 분류할 수 있다.

S1003 단계에서 제1 발생률이 제2 기준값 보다 큰 것으로 확인되면, S1005 단계에서, 장치(300)는 제1 발생률이 제3 기준값 보다 작은지 여부를 확인할 수 있다. 여기서, 제3 기준값은 제2 기준값 보다 큰 값으로 설정될 수 있다.

S1005 단계에서 제1 발생률이 제3 기준값 보다 작은 것으로 확인되면, S1006 단계에서, 장치(300)는 제1 장비를 원격 점검이 필요한 장비로 분류할 수 있다.

S1005 단계에서 제1 발생률이 제3 기준값 보다 큰 것으로 확인되면, S1007 단계에서, 장치(300)는 제1 발생률이 제4 기준값 보다 작은지 여부를 확인할 수 있다. 여기서, 제4 기준값은 제3 기준값 보다 큰 값으로 설정될 수 있다.

S1007 단계에서 제1 발생률이 제4 기준값 보다 작은 것으로 확인되면, S1008 단계에서, 장치(300)는 제1 장비를 방문 점검이 필요한 장비로 분류할 수 있다.

S1007 단계에서 제1 발생률이 제4 기준값 보다 큰 것으로 확인되면, S1009 단계에서, 장치(300)는 제1 장비를 교체가 필요한 장비로 분류할 수 있다.

S1002 단계, S1004 단계, S1006 단계, S1008 단계 및 S1009 단계 중 어느 하나를 통해, 제1 장비의 상태가 분류되면, S1010 단계에서, 장치(300)는 제1 장비의 상태에 대한 분류 결과를 관리자 단말(100)로 전송할 수 있다.

장치(300)는 제1 장비의 상태에 대한 분류 결과를 관리자 단말(100)로 전송하기 위해, 제1 장비가 설치되어 있는 제1 구조물을 확인하고, 제1 구조물의 관리자로 등록되어 있는 제1 관리자와 제1 관리자의 연락처를 확인한 후, 제1 관리자의 연락처를 이용하여 제1 장비의 상태에 대한 분류 결과를 관리자 단말(100)로 전송할 수 있다.

도 11은 일실시예에 따른 이벤트 발생 주기에 따라 발생률을 조정하는 과정을 설명하기 위한 순서도이다.

도 11을 참조하면, 먼저, S1101 단계에서, 장치(300)는 제1 구조물 내에 제1 장비가 설치되어 있는 경우, 제1 장비의 이벤트 발생 히스토리를 기반으로, 제1 장비에서 제1 이벤트가 발생한 일자를 확인하여, 제1 이벤트의 발생 주기를 분석할 수 있다. 이를 위해, 장치(300)는 데이터베이스에 구조물에 설치된 장비 별로 구분된 이벤트 발생 히스토리를 저장하여 관리할 수 있으며, 데이터베이스로부터 제1 장비의 이벤트 발생 히스토리를 획득할 수 있다. 이벤트 발생 히스토리는 장비에서 발생한 이벤트 내역이 누적된 정보, 이벤트의 종류, 이벤트 발생일, 이벤트 대응 조치, 이벤트 해결일 등을 포함하는 정보가 리스트로 구성될 수 있다.

예를 들어, 제1 장비의 이벤트 발생 히스토리를 기반으로, 1월 1일, 1월 11일에 제1 이벤트가 발생한 것으로 확인되면, 장치(300)는 제1 이벤트의 발생 주기를 10일 간격으로 분석할 수 있다. 이때, 장치(300)는 미리 설정된 기간(예를 들면, 최근 6개월) 동안 제1 이벤트가 여러 번 발생한 것으로 확인되면, 제1 이벤트가 평균적으로 얼마나 자주 발생하였는지 확인하여, 제1 이벤트의 발생 주기를 분석할 수 있다.

S1102 단계에서, 장치(300)는 제1 이벤트의 발생 주기에 기초하여, 제1 장비에서 제1 이벤트가 발생할 것으로 예상되는 이벤트 발생 예상일을 예측할 수 있다.

예를 들어, 장치(300)는 제1 이벤트의 발생 주기가 10일 간격으로 확인되고, 제1 장비에서 가장 최근에 제1 이벤트가 발생한 일자가 1월 5일로 확인되면, 제1 장비에서 제1 이벤트가 발생할 것으로 예상되는 이벤트 발생 예상일을 1월 15일로 예측할 수 있다.

S1103 단계에서, 장치(300)는 이벤트 발생 예상일까지 남아있는 기간의 일수를 제1 일수로 확인할 수 있다.

예를 들어, 장치(300)는 이벤트 발생 예상일이 1월 15일로 예측되고, 현재 일자가 1월 13일로 확인되면, 제1 일수를 2일로 확인할 수 있다.

S1104 단계에서, 장치(300)는 제1 일수가 제3 기준 범위 내에 포함되어 있는지 여부를 확인할 수 있다. 여기서, 제3 기준 범위는 실시예에 따라 상이하게 설정될 수 있다.

S1104 단계에서 제1 일수가 제3 기준 범위 내에 포함되어 있는 것으로 확인되면, S1105 단계에서, 장치(300)는 제1 발생률에 대한 조정이 필요하지 않은 것으로 판단할 수 있다.

예를 들어, 제3 기준 범위가 5일부터 10일까지로 설정되어 있는 경우, 장치(300)는 제1 일수가 7일로 확인되면, 제1 발생률에 대한 조정이 필요하지 않은 것으로 판단할 수 있다.

S1104 단계에서 제1 일수가 제3 기준 범위를 벗어나는 것으로 확인되면, S1106 단계에서, 장치(300)는 제1 일수가 제3 기준 범위의 최소값 보다 작은지 여부를 확인할 수 있다.

S1106 단계에서 제1 일수가 제3 기준 범위의 최소값 보다 작은 것으로 확인되면, S1107 단계에서, 장치(300)는 제1 설정값과 제1 발생률을 곱한 값으로 제1 발생률을 조정할 수 있다. 이때, 제1 설정값은 1부터 2까지 범위 내에서 설정될 수 있다.

예를 들어, 제3 기준 범위가 5일부터 10일까지로 설정되어 있고, 제1 설정값이 1.5로 설정되어 있고, 제1 발생률이 20%로 예측된 경우, 장치(300)는 제1 일수가 3일로 확인되면, 제1 설정값과 제1 발생률을 곱한 값인 30%를 산출한 후, 제1 발생률을 20%에서 30%로 조정할 수 있다.

즉, 장치(300)는 제1 일수가 제3 기준 범위를 벗어나 제3 기준 범위의 최소값 보다 작은 것으로 확인되면, 1부터 2까지 범위 내에서 설정된 제1 설정값과 제1 발생률을 곱한 값으로 제1 발생률을 조정함으로써, 이벤트 발생 예상일까지 남아있는 기간이 일정 기간 이하로 매우 짧은 경우, 제1 설정값을 이용하여 제1 발생률을 더 높은 값으로 조정할 수 있다.

S1106 단계에서 제1 일수가 제3 기준 범위의 최소값 보다 큰 것으로 확인되면, 제1 일수가 제3 기준 범위를 벗어나 있으므로, 제1 일수가 제3 기준 범위의 최대값 보다 큰 것으로 확인될 수 있으며, 제1 일수가 제3 기준 범위의 최대값 보다 큰 것으로 확인되면, S1108 단계에서, 장치(300)는 제2 설정값과 제1 발생률을 곱한 값으로 제1 발생률을 조정할 수 있다. 이때, 제2 설정값은 0부터 1까지 범위 내에서 설정될 수 있다.

예를 들어, 제3 기준 범위가 5일부터 10일까지로 설정되어 있고, 제2 설정값이 0.5로 설정되어 있고, 제1 발생률이 20%로 예측된 경우, 장치(300)는 제1 일수가 12일로 확인되면, 제2 설정값과 제1 발생률을 곱한 값인 10%를 산출한 후, 제1 발생률을 20%에서 10%로 조정할 수 있다.

즉, 장치(300)는 제1 일수가 제3 기준 범위를 벗어나 제3 기준 범위의 최대값 보다 큰 것으로 확인되면, 0부터 1까지 범위 내에서 설정된 제2 설정값과 제1 발생률을 곱한 값으로 제1 발생률을 조정함으로써, 이벤트 발생 예상일까지 남아있는 기간이 일정 기간 이상으로 매우 긴 경우, 제2 설정값을 이용하여 제1 발생률을 더 낮은 값으로 조정할 수 있다.

도 12는 일실시예에 따른 제1 인공 신경망의 학습을 설명하기 위한 도면이다.

일실시예에 따르면, 제1 인공 신경망은 구조물 정보 및 장비 정보를 매칭한 매칭 결과를 입력으로 받아, 특정 구조물 내에 설치된 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 출력하는 알고리즘일 수 있다.

제1 인공 신경망의 학습이 이루어지는 학습 장치는 학습된 제1 인공 신경망을 이용하여 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 분석하는 장치(300)와 동일한 장치일 수 있고, 별개의 장치일 수도 있다. 이하에서는 제1 인공 신경망이 학습되는 과정을 설명한다.

먼저, S1201 단계에서, 학습 장치는 구조물 정보 및 장비 정보를 매칭한 매칭 결과를 기초로 입력을 생성할 수 있다.

구체적으로, 학습 장치는 구조물 정보 및 장비 정보를 매칭한 매칭 결과를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 매칭 결과를 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력을 생성할 수 있다.

S1202 단계에서, 학습 장치는 제1 인공 신경망에 입력을 적용할 수 있다. 제1 인공 신경망은 강화 학습(reinforcement learning)에 따라 학습되는 제1 인공 신경망일 수 있다. 제1 인공 신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.

강화 학습에 따라 학습되는 제1 인공 신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 구조물의 카테고리 및 규모를 고려하여, 해당 구조물 내에서 많이 발생할 것으로 예상되는 이벤트의 종류를 예측하면 보상값이 높아질 수 있고, 제2 보상은 장비의 유형 및 동작 스케줄을 고려하여, 해당 장비에서 많이 발생할 것으로 예상되는 이벤트를 예측하면 보상값이 높아질 수 있다.

S1203 단계에서, 학습 장치는 제1 인공 신경망으로부터 출력을 획득할 수 있다. 제1 인공 신경망의 출력은 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류에 대한 정보를 포함할 수 있다. 즉, 제1 인공 신경망의 출력은 구조물 정보 및 장비 정보의 매칭 결과를 통해 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 예측한 결과일 수 있다.

제1 인공 신경망은 구조물 정보 및 장비 정보를 매칭한 매칭 결과를 통해 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 선정하여 출력할 수 있다. 이때, 제1 인공 신경망은 구조물의 카테고리 및 규모와 장비의 유형 및 동작 스케줄을 고려하여, 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 예측하여 출력할 수 있다.

S1204 단계에서, 학습 장치는 제1 인공 신경망의 출력을 평가하여 보상을 지급할 수 있다. 이때, 출력의 평가는 제1 보상, 제2 보상 등으로 나뉠 수 있다.

구체적으로, 학습 장치는 특정 구조물에서 많이 발생할 것으로 예상되는 이벤트의 종류를 정확하게 예측하면 제1 보상을 많이 수여하고, 특정 장비에서 많이 발생할 것으로 예상되는 이벤트를 정확하게 예측하면 제2 보상을 많이 수여할 수 있다.

S1205 단계에서, 학습 장치는 평가를 기초로 제1 인공 신경망을 갱신할 수 있다.

구체적으로, 학습 장치는 제1 인공 신경망이 구조물 정보 및 장비 정보를 매칭한 매칭 결과를 통해, 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 선정하여 추출하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제1 인공 신경망을 갱신할 수 있다.

예를 들어, 학습 장치는 제1 구조물 내에 설치된 제1 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류가 선정되면, 선정된 결과에 대해 문제가 없는 경우, 이벤트 종류의 분석에 대해 문제가 없음을 나타내는 정보를 포함하는 제1 학습 데이터를 생성하고, 제1 학습 데이터를 제1 인공 신경망에 적용하여, 제1 구조물과 카테고리 및 규모가 유사하고 제1 장비와 유형 및 동작 스케쥴이 유사한 경우, 동일한 이벤트의 종류를 선정하도록, 제1 인공 신경망을 학습시키는 과정을 통해, 제1 인공 신경망을 갱신할 수 있다.

한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.

학습 장치는 상술한 제1 인공 신경망의 학습 과정을 반복함으로써, 제1 인공 신경망을 점진적으로 갱신시킬 수 있다. 이를 통해, 학습 장치는 구조물 정보 및 장비 정보를 매칭한 매칭 결과를 통해, 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 선정하여 출력하는 제1 인공 신경망을 학습시킬 수 있다.

즉, 학습 장치는 매칭 결과를 통해, 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 예측할 때, 제1 보상, 제2 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제1 인공 신경망을 학습시킬 수 있다.

도 13은 일실시예에 따른 제2 인공 신경망의 학습을 설명하기 위한 도면이다.

일실시예에 따르면, 제2 인공 신경망은 성능 변동 추세에 대한 분석 결과를 입력 받은 후, 장비에서 이벤트가 발생할 수 있는 확률을 출력하는 알고리즘일 수 있다.

제2 인공 신경망의 학습이 이루어지는 학습 장치는 학습된 제2 인공 신경망을 이용하여 장비에서 이벤트가 발생할 수 있는 확률을 분석하는 장치(300)와 동일한 장치일 수 있고, 별개의 장치일 수도 있다. 이하에서는 제2 인공 신경망이 학습되는 과정을 설명한다.

먼저, S1301 단계에서, 학습 장치는 장비의 성능 변동 추세에 대한 분석 결과를 기초로 입력을 생성할 수 있다.

구체적으로, 학습 장치는 장비의 성능 변동 추세에 대한 분석 결과에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 성능 변동 추세에 대한 분석 결과를 제2 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력을 생성할 수 있다.

S1302 단계에서, 학습 장치는 제2 인공 신경망에 입력을 적용할 수 있다. 제2 인공 신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제2 인공 신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.

강화 학습에 따라 학습되는 제2 인공 신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다.

예를 들어, 제3 보상은 장비의 성능이 증가할수록 장비에서 이벤트가 발생할 수 있는 확률이 낮은 것으로 분석하면 보상값이 높아질 수 있으며, 제4 보상은 장비의 성능이 감소할수록 장비에서 이벤트가 발생할 수 있는 확률이 높은 것으로 분석하면 보상값이 높아질 수 있다.

S1303 단계에서, 학습 장치는 제2 인공 신경망으로부터 출력을 획득할 수 있다. 제2 인공 신경망의 출력은, 장비에서 이벤트가 발생할 수 있는 확률에 대한 정보일 수 있다. 이때, 제2 인공 신경망은 장비의 성능 변동 추세에 대한 분석 결과를 통해 장비에서 이벤트가 발생할 수 있는 확률을 분석하여, 장비의 이벤트 발생 확률에 대한 정보를 출력할 수 있다.

S1304 단계에서, 학습 장치는 제2 인공 신경망의 출력을 평가하여 보상을 지급할 수 있다. 이때, 출력의 평가는 제3 보상, 제4 보상 등으로 나뉠 수 있다.

구체적으로, 학습 장치는 장비의 성능이 증가할수록 장비에서 이벤트가 발생할 수 있는 확률이 낮은 것으로 분석하면 제3 보상을 많이 수여하고, 장비의 성능이 감소할수록 장비에서 이벤트가 발생할 수 있는 확률이 높은 것으로 분석하면 제4 보상을 많이 수여할 수 있다.

S1305 단계에서, 학습 장치는 평가를 기초로 제2 인공 신경망을 갱신할 수 있다.

구체적으로, 학습 장치는 제2 인공 신경망이, 장비에서 이벤트가 발생할 수 있는 확률을 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제2 인공 신경망을 갱신할 수 있다.

예를 들어, 학습 장치는 제1 장비에서 이벤트가 발생할 수 있는 확률에 대해 문제가 없는 경우, 이벤트 발생 확률의 분석에 대해 문제가 없음을 나타내는 정보를 포함하는 제2 학습 데이터를 생성하고, 제2 학습 데이터를 제2 인공 신경망에 적용하여, 제1 장비와 유사한 성능 변동 추세를 나타내는 장비들이 제1 장비와 유사한 이벤트 발생 확률을 가지도록, 제2 인공 신경망을 학습시키는 과정을 통해, 제2 인공 신경망을 갱신할 수 있다.

학습 장치는 상술한 제2 인공 신경망의 학습 과정을 반복함으로써, 제2 인공 신경망을 점진적으로 갱신시킬 수 있다. 이를 통해, 학습 장치는 장비에 대한 성능 변동 추세를 고려하여, 장비에서 이벤트가 발생할 수 있는 확률을 출력하는 제2 인공 신경망을 학습시킬 수 있다.

즉, 학습 장치는 장비의 성능 변동 추세에 대한 분석 결과를 통해, 장비에서 이벤트가 발생할 수 있는 확률을 분석할 때, 제3 보상, 제4 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제2 인공 신경망을 학습시킬 수 있다.

도 14는 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(300)는 프로세서(310) 및 메모리(320)를 포함한다. 프로세서(310)는 도 1 내지 도 13을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 13을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(300)를 이용하는 자 또는 단체는 도 1 내지 도 13을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(320)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(320)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(310)는 프로그램을 실행하고, 장치(300)를 제어할 수 있다. 프로세서(310)에 의하여 실행되는 프로그램의 코드는 메모리(320)에 저장될 수 있다. 장치(300)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.

장치(300)는 인공 신경망을 학습시키거나, 학습된 인공 신경망을 이용하는데 사용될 수 있다. 메모리(320)는 학습 중인 또는 학습된 인공 신경망을 포함할 수 있다. 프로세서(310)는 메모리(320)에 저장된 인공 신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공 신경망을 학습시키는 학습 장치와 학습된 인공 신경망을 이용하는 장치(300)는 동일할 수도 있고 개별적일 수도 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims

장치에 의해 수행되는, 건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법에 있어서,
제1 구조물에 대해 제1 단계의 시공이 제1 일자에 완료된 것으로 확인되면, 상기 제1 구조물의 BIM(Building Information modeling) 데이터에서 상기 제1 구조물의 시공 스케줄을 추출하고, 상기 제1 구조물의 시공 스케줄을 기반으로 상기 제1 단계의 시공을 완료하기로 계획한 일자인 제2 일자를 확인하는 단계;
상기 제1 일자가 상기 제2 일자 보다 느리지 않은 것으로 확인되면, 상기 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단하는 단계;
상기 제1 일자가 상기 제2 일자 보다 느린 것으로 확인되면, 상기 제1 일자와 상기 제2 일자 간의 차이를 지연 기간으로 산출하는 단계;
상기 지연 기간이 미리 설정된 제1 기준 범위 내에 포함되어 있는 것으로 확인되면, 상기 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단하는 단계;
상기 지연 기간이 상기 제1 기준 범위를 벗어나는 것으로 확인되면, 상기 제1 구조물에 대한 시공 스케줄에 문제가 있는 것으로 판단하는 단계;
상기 제1 구조물에 대한 시공 스케줄에 문제가 있는 것으로 판단된 경우, 상기 지연 기간이 미리 설정된 제2 기준 범위 내에 포함되어 있는 것으로 확인되면, 상기 제1 단계 이후 시공될 제2 단계의 시공에 대한 진행 독촉을 추천하는 알림 메시지를 관리자 단말로 전송하는 단계; 및
상기 지연 기간이 상기 제2 기준 범위를 벗어나는 것으로 확인되면, 상기 제2 단계의 시공에 인원 및 장비의 추가 투입을 추천하는 알림 메시지를 상기 관리자 단말로 전송하는 단계를 포함하고,
상기 제1 구조물에 대한 시공 스케줄에 문제가 있는 것으로 판단하는 단계 이후,
상기 제1 일자에 상기 제1 구조물이 3D 스캐너에 의해 스캔되면, 상기 3D 스캐너로부터 상기 제1 구조물을 스캔하여 생성된 3D 스캔 데이터인 제1 스캔 데이터를 획득하는 단계;
상기 제1 구조물의 BIM 데이터에서, 상기 제1 단계의 시공 완료 시점인 상기 제1 일자에 대한 상기 제1 구조물의 3D 설계 데이터로 등록되어 있는 제1 설계 데이터를 추출하는 단계;
상기 제1 설계 데이터에서 기준 표식으로 등록되어 있는 제1 표식을 확인하고, 상기 제1 스캔 데이터에서 상기 제1 표식을 인식하는 단계;
상기 제1 설계 데이터에서 확인된 제1 표식의 위치와 상기 제1 스캔 데이터에서 인식된 제1 표식의 위치를 이용하여, 상기 제1 설계 데이터와 상기 제1 스캔 데이터의 관점 방향을 일치시키는 단계;
상기 제1 설계 데이터에서 확인된 제1 표식의 면적과 상기 제1 스캔 데이터에서 인식된 제1 표식의 면적을 이용하여, 상기 제1 설계 데이터와 상기 제1 스캔 데이터의 크기를 일치시키는 단계;
상기 제1 설계 데이터 및 상기 제1 스캔 데이터를 병합하여 병합 데이터를 생성하는 단계;
상기 병합 데이터에 기초하여, 상기 제1 구조물의 설계와 시공 간에 오차가 없는 영역을 제1 영역으로 구분하고, 상기 제1 구조물의 설계와 시공 간에 오차가 있는 영역을 제2 영역으로 구분하는 단계;
상기 제1 영역을 상기 제1 구조물의 시공 스케줄에 따라 정상적으로 시공이 완료된 영역으로 설정하고, 상기 제2 영역을 상기 제1 구조물의 시공 스케줄에 따라 시공이 지연된 영역으로 설정하는 단계; 및
상기 병합 데이터를 상기 관리자 단말로 제공하여, 상기 병합 데이터가 관리자 단말의 화면에서 표시될 때, 상기 제1 영역이 제1 색상으로 표시되도록 제어하고, 상기 제2 영역이 제2 색상으로 표시되도록 제어하는 단계를 더 포함하고,
상기 제1 구조물에 대한 마지막 단계의 시공이 완료된 이후 상기 제1 구조물 내에 제1 장비가 설치된 것으로 확인되면, 상기 제1 구조물의 카테고리 및 규모를 포함하는 제1 구조물 정보와 상기 제1 장비의 유형 및 동작 스케줄을 포함하는 제1 장비 정보를 각각 획득하는 단계;
상기 제1 구조물 정보 및 상기 제1 장비 정보를 매칭하여 제1 매칭 결과를 생성하는 단계;
상기 제1 매칭 결과를 제1 인공 신경망에 적용하여, 상기 제1 인공 신경망의 출력을 기초로, 상기 제1 장비에서 가장 많이 발생할 것으로 예상되는 이벤트의 종류를 제1 이벤트로 예측하는 단계;
상기 제1 장비의 상태를 확인하기 위해, 미리 정해진 기간 마다 상기 제1 장비의 성능을 평가한 평가 정보를 획득하는 단계;
제1 시점에 상기 제1 장비의 성능을 평가한 제1 평가 정보가 획득되면, 상기 제1 평가 정보를 기반으로, 상기 제1 시점에 대한 상기 제1 장비의 성능을 나타내는 제1 성능 지표를 산출하는 단계;
상기 제1 시점 이후의 제2 시점에 상기 제1 장비의 성능을 평가한 제2 평가 정보가 획득되면, 상기 제2 평가 정보를 기반으로, 상기 제2 시점에 대한 상기 제1 장비의 성능을 나타내는 제2 성능 지표를 산출하는 단계;
상기 제1 성능 지표 및 상기 제2 성능 지표를 비교하여, 상기 제1 시점부터 상기 제2 시점까지 상기 제1 장비에 대한 성능 변동 추세를 나타내는 제1 성능 변동 추세를 분석하는 단계;
상기 제1 성능 변동 추세에 대한 분석 결과를 제2 인공 신경망에 적용하여, 상기 제2 인공 신경망의 출력을 기초로, 상기 제1 장비에서 상기 제1 이벤트가 발생할 수 있는 확률을 제1 발생률로 예측하는 단계;
상기 제1 발생률이 미리 설정된 제1 기준값 보다 작은 것으로 확인되면, 상기 제1 장비를 이상 징후가 없는 장비로 분류하는 단계;
상기 제1 발생률이 상기 제1 기준값 보다 크지만 미리 설정된 제2 기준값 보다 작은 것으로 확인되면, 상기 제1 장비를 재부팅이 필요한 장비로 분류하는 단계;
상기 제1 발생률이 상기 제2 기준값 보다 크지만 미리 설정된 제3 기준값 보다 작은 것으로 확인되면, 상기 제1 장비를 원격 점검이 필요한 장비로 분류하는 단계;
상기 제1 발생률이 상기 제3 기준값 보다 크지만 미리 설정된 제4 기준값 보다 작은 것으로 확인되면, 상기 제1 장비를 방문 점검이 필요한 장비로 분류하는 단계; 및
상기 제1 발생률이 상기 제4 기준값 보다 큰 것으로 확인되면, 상기 제1 장비를 교체가 필요한 장비로 분류하는 단계를 더 포함하는,
건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법.
제1항에 있어서,
상기 제2 단계의 시공에 인원 및 장비의 추가 투입을 추천하는 알림 메시지를 상기 관리자 단말로 전송하는 단계는,
상기 지연 기간이 길수록 제1 비율을 더 높은 값으로 설정하는 단계;
상기 제1 구조물의 시공 스케줄을 기반으로 상기 제2 단계의 시공에 필요한 인원 수인 제1 명수와 상기 제2 단계의 시공에 필요한 장비 수인 제1 대수가 각각 확인되면, 상기 제1 명수 및 상기 제1 비율을 곱한 값으로 제2 명수를 산출하고, 상기 제1 대수 및 상기 제1 비율을 곱한 값으로 제2 대수를 산출하는 단계; 및
상기 제2 단계의 시공을 진행할 때 상기 제2 명수에 대한 인원 추가 투입과 상기 제2 대수에 대한 장비 추가 투입을 추천하는 알림 메시지를 상기 관리자 단말로 전송하는 단계를 포함하는,
건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법.
제1항에 있어서,
상기 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단하는 단계 이후,
상기 제1 구조물의 시공 스케줄을 기반으로 상기 제1 단계의 시공 일정인 제1 기간과 상기 제2 단계의 시공 일정인 제2 기간을 확인하는 단계;
상기 제1 구조물이 위치하는 지역이 제1 지역으로 확인되면, 상기 제1 지역의 기상 예측 정보를 기반으로 상기 제2 기간 동안의 날씨에 악천후인 기간이 포함되어 있는지 여부를 확인하는 단계;
상기 제2 기간 동안의 날씨에 악천후인 기간이 포함되어 있지 않은 것으로 확인되면, 상기 제1 구조물에 대한 시공 스케줄에 문제가 없는 것으로 판단하는 단계;
상기 제2 기간 동안의 날씨에 악천후인 기간이 포함되어 있는 것으로 확인되면, 악천후인 기간을 제3 기간으로 설정하는 단계;
제3 기간의 일수를 제2 기간의 일수로 나눈 값으로 제2 비율을 산출하는 단계;
상기 제1 구조물의 시공 스케줄을 기반으로 상기 제2 단계의 시공에 필요한 인원 수인 제1 명수와 상기 제2 단계의 시공에 필요한 장비 수인 제1 대수가 각각 확인되면, 상기 제1 명수 및 상기 제2 비율을 곱한 값으로 제3 명수를 산출하고, 상기 제1 대수 및 상기 제2 비율을 곱한 값으로 제3 대수를 산출하는 단계; 및
상기 제2 단계의 시공을 진행할 때 상기 제3 명수에 대한 인원 추가 투입과 상기 제3 대수에 대한 장비 추가 투입을 추천하는 알림 메시지를 상기 관리자 단말로 전송하는 단계를 더 포함하는,
건축 설계 BIM 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법.